ZASTOSOWANIE SZTUCZNYCH SIECI NEURONOWYCH DO KSZTAŁTOWANIA WŁAŚCIWOŚCI MATERIAŁU POLIMEROWEGO Z PRZEZNACZENIEM DLA TRANSPORTU SZYNOWEGO

Wielkość: px
Rozpocząć pokaz od strony:

Download "ZASTOSOWANIE SZTUCZNYCH SIECI NEURONOWYCH DO KSZTAŁTOWANIA WŁAŚCIWOŚCI MATERIAŁU POLIMEROWEGO Z PRZEZNACZENIEM DLA TRANSPORTU SZYNOWEGO"

Transkrypt

1 Problemy Kolejnictwa Zeszyt Prof. dr hab. inż. Jacek Garbarski Politechnika Warszawska Dr inż. Mariusz Fabijański Instytut Kolejnictwa ZASTOSOWANIE SZTUCZNYCH SIECI NEURONOWYCH DO KSZTAŁTOWANIA WŁAŚCIWOŚCI MATERIAŁU POLIMEROWEGO Z PRZEZNACZENIEM DLA TRANSPORTU SZYNOWEGO SPIS TREŚCI 1. Wstęp 2. Część doświadczalna 3. Wybór danych oraz sprawdzenie poprawności działania sztucznych sieci neuronowych 4. Podsumowanie STRESZCZENIE Sztuczne sieci neuronowe znajdują bardzo szerokie zastosowanie w różnych dziedzinach techniki. Moda na to potężne narzędzie informatyczne nie ominęła także transportu kolejowego, gdzie jest stosowane w diagnostyce, prognozowaniu, optymalizacji. Można je również z powodzeniem stosować do poszukiwania materiałów spełniających odpowiednie kryteria, łącząc ze sobą kilka cech materiałowych takich, jak na przykład właściwości mechaniczne i palne. Materiały polimerowe dostępne na rynku często nie spełniają wysokich wymagań pod względem właściwości palno-dymowych. Konieczne zatem staje się dodawanie do nich odpowiednich środków (uniepalniaczy), poprawiających tę cechę materiałową, ale znacznie pogarszających właściwości mechaniczne. Takim popularnym materiałem reprezentującym ogromną grupę tworzyw styrenowych o szerokich zastosowaniach w budowie taboru szynowego, jest polistyren wysokoudarowy. Uzyskanie wieloskładnikowej, trudnopalnej mieszaniny tworzywowej na bazie polistyrenu wysokoudarowego (HIPS) jest trudne i pracochłonne. W celu znalezienia potencjalnie najlepszego składu, byłoby konieczne przeprowadzenie wielu prób technologicznych. W związku z tym, do rozszerzenia obszaru poszukiwań składu mieszaniny, w celu uzyskania najlepszych właściwości zarówno mechanicznych, jak i palno-dymowych, wykorzystano sztuczne sieci neuronowe. W artykule przedstawiono zastosowanie tych sieci do określenia właściwego składu materiału spełniającego wymagania palnościowe dla materiałów stosowanych w transporcie szynowym.

2 48 J. Garbarski, M. Fabijański 1. WSTĘP Prace prowadzone w zakresie tworzenia sieci neuronowych są związane z badaniami nad biologicznymi aspektami sztucznej inteligencji. Ich wynikiem jest powstanie różnego rodzaju struktur sieci neuronowych oraz opis zasad ich funkcjonowania [18]. Obecnie sieci neuronowe znalazły szerokie zastosowanie w takich dziedzinach, jak: diagnostyka, prognozowanie, optymalizacja, filtracja, konwersja, a także rozpoznawanie (przede wszystkim obrazów i mowy) i inne. Jest to możliwe dzięki jednej z najważniejszych cech sieci neuronowej przetwarzaniu informacji w sposób równoległy. Pomimo, że sieć składa się z bardzo prostych w swej budowie i działaniu elementów, to po połączeniu ich w skomplikowany układ uzyskuje się ogromne możliwości operacyjne. Identycznie, jak w przypadku neuronowych sieci biologicznych, podstawowymi elementami, z których tworzy się sztuczne sieci neuronowe, są sztuczne neurony, czyli elementy, których wybrane własności są analogiczne do wybranych własności neuronów biologicznych. Nie stanowią one jednak wiernej kopii swych biologicznych odpowiedników. Zasada działania sztucznego neuronu jest niezwykle prosta. Do wejść są doprowadzane sygnały dochodzące z neuronów warstwy poprzedniej. Każdy neuron otrzymuje wiele sygnałów wejściowych i na ich podstawie wyznacza odpowiedź jeden sygnał wyjściowy. Każdy sygnał wejściowy jest mnożony przez odpowiadającą mu wartość liczbową, zwaną wagą. Wpływa ona na percepcję danego sygnału wejściowego i jego udział w tworzeniu sygnału wyjściowego przez neuron. Zbiór odpowiednio ułożonych sztucznych neuronów tworzy sztuczną sieć neuronową. Jest ona zdecydowanie prostsza w budowie niż ludzki mózg [10, 11, 12, 14, 18]. Opis wszystkich typów sieci oraz metody ich działania przekroczyłby znacznie objętość niniejszej pracy, dlatego został pominięty. Szczegółowe opisy można znaleźć w literaturze dotyczącej tej dziedziny nauki. Polistyren wysokoudarowy (HIPS) należy do polimerów powszechnie stosowanych. Zalicza się on do tak zwanych tworzyw styrenowych, wśród których można wyróżnić PS (polistyren), SAN (styren-akrylonitryl), ABS (akrylonitryl-butadien-styren) i inne. Powszechnie są one stosowane w wielu dziedzinach gospodarki i techniki, również w szeroko pojętym transporcie szynowym. Mają wiele zalet, czyniąc je materiałami bardzo atrakcyjnymi. Problemem, jaki ogranicza stosowanie tej grupy tworzyw jest ich łatwopalność. W tym celu wprowadza się do tworzywa związki zwane opóźniaczami palenia lub antypirenami. Jednym ze sposobów zmniejszenia palności tworzyw jest uniepalnianie przy użyciu napełniaczy mineralnych. Stosuje się je ze względu na małą ilość wydzielanych dymów, i co się z tym wiąże również toksycznych produktów [1, 18]. Dobre ich działanie uzyskuje się, gdy wprowadzimy do tworzywa około 50% 60% napełniacza, co niesie za sobą pogorszenie właściwości mechanicznych, w związku z tym staje się konieczna odpowiednia modyfikacja materiału [18]. Dlatego też do układu dwuskładnikowego (polimer + uniepalniacz) wprowadza się dodatkowe składniki [2, 6, 14]. Z reguły tego

3 Zastosowanie sztucznych sieci neuronowych do kształtowania właściwości 49 typu modyfikatory pogarszają z kolei uzyskaną trudnopalność: pojawia się tu sprzeczność pomiędzy właściwościami mechanicznymi i palno-dymowymi. Poprawienie parametrów charakteryzujących właściwości mechaniczne powodowuje pogorszenie właściwości palno-dymowych i odwrotnie. Tego rodzaju sprzeczność stwarza duże trudności przy ustaleniu odpowiedniego składu mieszaniny trudnopalnej, gdzie niejednokrotnie ilość składników jest duża i znalezienie najkorzystniejszej ich proporcji jest czasochłonne. Do znalezienia składu mieszaniny, która byłaby zarówno trudnopalna jak i wytrzymała mechanicznie, użyto sztucznych sieci neuronowych. Jak wiadomo, ich ogromny potencjał operacyjny wynika z możliwości przetwarzania informacji w sposób równoległy. Sieci neuronowe znalazły zastosowanie szczególnie w takich przypadkach, kiedy z jednej strony trudno ustalić sposób rozwiązania, z drugiej dostępne są przykładowe wyniki. Traktując sieć jak czarną skrzynkę, nie ingeruje się w jaki sposób dochodzi ona do rozwiązania [10, 12, 13, 14, 15, 18]. W niniejszej pracy sztuczne sieci neuronowe zostały wykorzystane do poszukiwania najkorzystniejszego składu mieszaniny trudnopalnej na bazie polistyrenu wysokoudarowego (HIPS). Pozwoliły one na znaczne rozszerzenie obszaru poszukiwań i na odpowiednie kształtowanie pożądanych cech materiału Materiały 2. CZĘŚĆ DOŚWIADCZALNA W badaniach tworzywem podstawowym przeznaczonym do uniepalniania był polistyren wysokoudarowy (HIPS). Do badań wytypowano materiał produkcji krajowej, firmy Dwory S.A. o oznaczeniu Owispol 825. Jest to tworzywo łatwopalne, którego wskaźnik tlenowy wynosi tylko 18,5%. Podczas palenia wydziela gęsty, ciemny dym, co stanowi poważny problem przy jego stosowaniu w miejscach zagrożonych pożarem. Ponadto pod wpływem wysokiej temperatury i obecności płomienia materiał płynie, przyjmując postać płonących i kopcących kropel [6, 7, 14]. Zastosowany środek uniepalniający, to wodorotlenek magnezu Mg(OH) 2 o nazwie handlowej Magnifin H5. Jego temperatura rozkładu wynosi 340 C. Jest to mineralny opóźniacz palenia, który w odróżnieniu od związków halogenowych (organicznych), daje efekt uniepalnienia w wyniku rozkładu termicznego z wydzieleniem wody i tlenku magnezu. Wodorotlenek magnezu silnie tłumi dym oraz zmniejsza kwasowość produktów spalania [1, 3, 7, 18]. W celu poprawienia właściwości mechanicznych, a przede wszystkim udarności, wprowadzono dodatkowo modyfikatory udarności w postaci elastomerów termoplastycznych: kopolimeru trój-blokowego: styren-butadien-styren (SBS) o nazwie handlowej Finaclear 530 Atofina oraz kopolimeru styren-etylen-butylen-styren (SEBS) firmy TCT [5].

4 50 J. Garbarski, M. Fabijański 2.2. Przygotowanie kompozycji Zanim doszło do wyprodukowania wstępnej partii próbek, trzeba było pokonać trudności technologiczne wynikające z wprowadzania bardzo dużej ilości napełniacza będącego proszkiem mineralnym, pozostającym w stanie stałym podczas przetwórstwa. Ponieważ ślimak nie pobierał mieszanki, umieszczono w leju zasypowym dodatkowe urządzenie wspomagające. Niezależnie od trudności pobierania przez ślimak, wielu prób wymagało ustalenia właściwych parametrów procesu, aby uzyskać homogeniczny materiał i wyeliminować piski i zgrzyty w cylindrze maszyny, które pojawiły się podczas pierwszych prób [2]. Do badań przygotowano kilka zestawów kompozycji tworzywowych o różnych zawartościach poszczególnych składników: polistyren wysokoudarowy (HIPS) + uniepalniacz (wodorotlenek magnezu Mg(OH) 2 ), polistyren wysokoudarowy (HIPS)+ wodorotlenek magnezu Mg(OH) 2 + SBS (styrenbutadien-styren), polistyren wysokoudarowy (HIPS)+ wodorotlenek magnezu Mg(OH) 2 + SBS (styrenbutadien-styren) + SEBS (styren-etylen-butylen-styren) Metody badań kompozycji tworzywowych Właściwości mechaniczne oznaczono metodą standardową zgodnie z obowiązującymi normami ogólnymi i przedmiotowymi w zakresie badań właściwości tworzyw sztucznych. Próbki do badań zostały przygotowane metodą wtrysku. W celu określenia właściwości palnych kompozycji przeprowadzono oznaczenie wskaźnika tlenowego OI [9] oraz oznaczenie intensywności wydzielania dymów podczas spalania z normą [8], która ma zastosowanie do materiałów stosowanych w transporcie kolejowym. 3. WYBÓR DANYCH ORAZ SPRAWDZENIE POPRAWNOŚCI DZIAŁANIA SZTUCZNYCH SIECI NEURONOWYCH Uzyskane wyniki badań właściwości materiału wprowadzono do sztucznych sieci neuronowych. Sieć najpierw uczyła się na kompletnych danych eksperymentalnych, a następnie, po zakończeniu procesu uczenia, wykonała symulację dla danych wejściowych nie pochodzących z eksperymentu. Sieć pracowała z tzw. nauczycielem [2, 10, 12, 15, 18]. Wykonano symulacje dwóch następujących przypadków: na podstawie właściwości mechanicznych i palno-dymowych poszukiwano składu mieszaniny (pierwszy zbiór uczący), na podstawie składu mieszaniny poszukiwano właściwości mechanicznych i palno-dymowych (drugi zbiór uczący).

5 Zastosowanie sztucznych sieci neuronowych do kształtowania właściwości 51 W pierwszym przypadku, jako wielkości wprowadzone do sieci w celu jej nauczenia wybrano: na wejściu: wskaźnik tlenowy OI, naświetlenie S 1, natężenie oświetlenia w czwartej minucie E4 1, twardość HK, udarność U, moduł Younga E, wytrzymałość Ru, na wyjściu zawartości (skład mieszaniny): Mg(OH) 2, HIPS, SBS, SEBS. W drugim przypadku, na podstawie składu mieszaniny (zawartości: Mg(OH) 2, HIPS, SBS oraz SEBS), sieć określała właściwości materiału. W trakcie badań doświadczalnych stwierdzono, że krytycznym parametrem charakteryzującym materiał pod względem mechanicznym jest udarność. Pozostałe trzy utrzymywały się cały czas na wystarczająco wysokim poziomie [2, 17]. Dlatego zdecydowano, że tylko udarność będzie charakteryzowała materiał pod względem mechanicznym. Na tej zasadzie z trzech parametrów palnościowych wybrano dwa: wskaźnik tlenowy i natężenie oświetlenia E4. Naświetlenie S utrzymywało się na wysokim poziomie dla wszystkich interesujących składów mieszaniny Wybór typu sieci Zbiory uczące zostały wykorzystane do określenia najlepszego typu sieci, której należy użyć do rozwiązania postawionego zadania. Jest nim określenie optymalnego składu mieszaniny z punktu widzenia właściwości mechanicznych i palno-dymowych. Wybór typów sieci został dokonany zgodnie z procedurą i postępowaniem przyjętym w programie Statistica Neural Networks. Zgodnie z teorią sztucznych sieci neuronowych należy wybrać sieć o najprostszej budowie i najprostszym algorytmie uczenia [18]. Skutkuje to krótszym czasem uczenia i zmniejszeniem występowania minimów lokalnych, co może prowadzić do osiągnięcia mniejszego błędu. Kierując się tą zasadą i wynikami, jakie otrzymano z testowania sieci oraz możliwościami zmiany jej parametrów, ostatecznie zdecydowano się na sieci typu MLP, które były uczone algorytmem wstecznej propagacji błędu [12, 15]. Na rysunkach 1 i 2 pokazano teoretyczne schematy sieci. 3 Naświetlenie S oraz natężenie oświetlenia w czwartej minucie E4 są parametrami określającymi ilość wydzielanego dymu podczas palenia danego materiału. Badanie trwa cztery minuty, jest przeprowadzone w zamkniętej komorze i polega na pomiarze spadku natężenia światła, w wyniku przepływu dymu pomiędzy źródłem światła a sondą luksomierza. A zatem wyższe wartości S i E4 oznaczają mniejsze ilości wydzielanego dymu.

6 52 J. Garbarski, M. Fabijański W niniejszym artykule pominięto część dotyczącą testowania sieci i pełnego ich wyboru, gdyż przekroczyłoby to ograniczoną liczbę stron. Rys. 1. Schemat sieci MLP dla przypadku: wejście właściwości, wyjście skład Rys. 2. Schemat sieci MLP dla przypadku wejście skład, wyjście właściwości 3.2. Optymalizacja składu mieszaniny według kryterium najlepszych właściwości mechanicznych i palno-dymowych Poszukiwanie składu mieszaniny dla zadanych właściwości materiału Po sprawdzeniu poprawności działania sieci, zarówno dla przypadku poszukiwania składu mieszaniny na podstawie właściwości, jak i dla przypadku odwrotnego, wykonano symulację dla danych wejściowych nie zrealizowanych eksperymentalnie. Umożliwiło to rozszerzenie liczby kombinacji składu mieszanin poza zakres uzyskany eksperymentalnie. W tablicy 1 zestawiono tzw. wyniki wirtualne dla pierwszego przypadku: dane wejściowe właściwości, wyniki skład mieszaniny. Na podstawie znanych wejściowych danych eksperymentalnych [2] starano się tak dobrać dane wejściowe wirtualne, aby

7 Zastosowanie sztucznych sieci neuronowych do kształtowania właściwości 53 materiał był możliwy do zaakceptowania, zarówno pod względem właściwości mechanicznych, jak i palnościowych. Tablica 1 Wyniki symulacji dla pierwszego zbioru uczącego Dane wejściowe Dane wyjściowe otrzymane z sieci Lp. Wskaźnik tlenowy OI [%] Naświetlenie S [lxs] Natężenie oświetlenia E4 [lx] Twardość HK [MPa] Udarność U [kj/m 2 ] Moduł Youga E [MPa] Naprężenie max [MPa] Mg(OH) 2 [%] , ,9 48,8 8, , , , , ,63 70,2 8, ,4 27, ,796-0, , ,6 94,9 6, ,4 33, , , , ,7 97,8 5, ,1 36, , , , ,6 105,8 3, ,4 42, , , , ,4 116,4 3, ,5 47, , , , ,5 71,9 6, ,6 50, , , , ,3 73,8 6, ,5 51, , , , ,1 75,7 5, ,4 52, , , , ,9 77,6 5, ,3 53, , , , ,7 79,5 5, ,2 54, , , , ,5 81,4 5, ,1 54, , , , ,3 83,3 5, , , , ,1 85,2 4, ,9 54, , , , ,9 87,1 4, ,8 55, , , , ,6 87,5 4, ,8 54, , , , ,1 86,1 4, ,9 55, , , , ,5 84,7 4, , , , , ,9 83,3 4, ,1 55, , , , ,3 81,9 4, ,2 54, , , , ,8 80,5 4, ,4 54, , ,85872 Ponieważ krytycznym kryterium cech palnościowych był wskaźnik tlenowy, natomiast właściwości mechanicznych udarność, w tablicy 1 pogrubioną czcionką zaznaczono mieszaniny, które spełniają jednocześnie warunek OI 28% i udarność zbliżoną do 5 kj/m 2. Składy spełniające kryteria optymalizacji są oznaczone numerami Na rysunku 3 wyróżniono je, stosując obramowania słupków. W zaznaczonych przypadkach wirtualny materiał jest zarówno trudnopalny, jak również ma właściwości mechaniczne możliwe do zaakceptowania, choć udarność nie jest zbyt wysoka. HIPS [%] SBS [%]

8 54 J. Garbarski, M. Fabijański zawartość składników [%] 100% 80% 60% 40% 20% Mg(OH)2 HIPS SBS 0% nr składu Rys. 3. Zestawienie udziału procentowego poszczególnych składników wirtualnej, trudnopalnej mieszaniny dla pierwszego zbioru uczącego (wejście właściwości, wyjście skład), składy optymalne obramowane Poszukiwanie właściwości materiału dla zadanych składów W tym wypadku powtórzono procedurę opisaną w rozdziale , jednak w odwrotnym kierunku. Danymi wejściowymi były składy mieszanin, wynikami zaś właściwości materiału, co przedstawia tablica 2. Podobnie jak poprzednio, optymalne wyniki zaznaczono pogrubioną czcionką. Zestawienie wyników w postaci wykresów słupkowych, ilustrujących wartości poszczególnych parametrów charakteryzujących materiał dla różnych składów mieszanin przedstawiono na rysunkach 4, 5, 6. udarność [kj/m*m] nr składu Mg(OH)2 HIPS optimum optimorum Rys. 4. Zestawienie wyników otrzymanych z sieci przy różnej zawartości składników dla udarności (tablica 2)

9 Zastosowanie sztucznych sieci neuronowych do kształtowania właściwości 55 Wyniki symulacji dla drugiego zbioru uczącego Tablica 2 Dane wejściowe Dane wyjściowe otrzymane z sieci Lp. Mg(OH) 2 [%] HIPS [%] SBS [%] Udarność U [kj/m 2 ] Wskaźnik tlenowy OI [%] Natężenie oświetlenia [lx] , , , , ,2762-1, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,1668 6, , , , , ,1792 7, , , , , ,1711 7, , , , , ,1443 7, , , , , ,2746 6, , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , , ,3330 4, , , , , ,8587 4, , ,76722

10 56 J. Garbarski, M. Fabijański Z rysunku 4 widać, że udarność jest najwyższa dla składów 7, 8 oraz 13. Odpowiada im największa zawartość HIPS i najmniejsza Mg(OH) 2, a to z kolei powoduje obniżenie parametrów palno-dymowych (duże ilości wydzielanego dymu, niski wskaźnik tlenowy rysunki 5, 6). Ponieważ warunek OI 28% dyskwalifikuje materiał pod względem trudnopalności, składy 7, 8 i 13, mimo wysokiej udarności, zostały odrzucone. OI [%] nr składu Mg(OH)2 HIPS optimum optimorum Rys. 5. Zestawienie wyników otrzymanych z sieci przy różnej zawartości składników dla wskaźnika tlenowego OI (tablica 2) E4 [lx] Mg(OH)2 HIPS optimum optimorum nr składu Rys. 6. Zestawienie wyników otrzymanych z sieci przy różnej zawartości składników dla natężenia oświetlenia w czwartej minucie (tablica 2)

11 Zastosowanie sztucznych sieci neuronowych do kształtowania właściwości 57 Wiadomo, że największy wpływ na wskaźnik tlenowy ma zawartość mineralnego opóźniacza palenia Mg(OH) 2, jednak powoduje on znaczny spadek udarności. W przypadku kształtowania właściwości materiału, należy użyć niezbędnej, minimalnej ilości tego środka, przy której wartość wskaźnika tlenowego jest większa od 28%. Odpowiada to składom 29 31; 33 35; 42, co widać na rysunku 5 (oznaczenie 2 w legendzie). Kolejnym parametrem palno-dymowym, ważnym ze względu na bezpieczeństwo przeciwpożarowe, jest ilość wydzielanych dymów podczas palenia. W tym przypadku musi być spełniony warunek, aby minimalna wartość E4 nie była niższa niż 20 lx; poniżej tego poziomu materiały uważa się za niebezpieczne ze względu na duże ilości wydzielanego dymu. W przypadku badanych składów nie przedstawiało to problemu, ponieważ wartość E4 przekroczyła 40 lx (rysunek 6). Podobnie jak w przypadku OI, największy wpływ na ten parametr ma zawartość wodorotlenku magnezu. Najkorzystniejsze składy mieszanin pod względem właściwości mechanicznych (udarność) oraz palno-dymowych zaznaczono pogrubioną czcionką w tablicy 2. Odpowiada to słupkom numer 2 na rysunkach 4, 5, 6. Spośród nich optimum optimorum okazała się mieszanina nr 31 (oznaczenie 4 w legendzie). W tym przypadku spełniono wszystkie kryteria kształtowania pożądanych cech trudnopalnego materiału. Wskaźnik tlenowy, choć nieznacznie, ale jednak przekracza minimalną wartość wymaganą (OI 28%). Natomiast wartość natężenia oświetlenia w czwartej minucie jest o wiele wyższa od wymaganego poziomu minimalnego (E4 20 lx). Udarność jest najwyższa spośród składów spełniających powyższe wymagania palnościowe. Zwraca przy tym uwagę fakt, że mieszanina nr 31 ma bardzo podobny skład do optymalnych mieszanin uzyskanych w wyniku symulacji w odwrotnym kierunku (punkt 3.2.1). Są to mieszaniny o składach: 55% Mg(OH) 2 oraz zmieniających się zawartościach odpowiednio: HIPS 40% do 33%, SBS 5,25% do 11,6%, natomiast mieszanina 31 ma skład: Mg(OH) 2 53,4%, HIPS 35,22%, SBS 11,14%. Można zatem uznać, że udało się znaleźć skład optymalny, co z jednej strony ma znaczenie praktyczne, z drugiej zaś potwierdza przydatność odpowiednio skonstruowanych sztucznych sieci neuronowych do rozwiązywania zagadnień tego typu.

12 58 J. Garbarski, M. Fabijański 4. PODSUMOWANIE Prace nad sztucznymi sieciami neuronowymi obejmowały studium nad odpowiednim doborem zbiorów uczących oraz nad wyborem najkorzystniejszego typu sieci do rozwiązania postawionego problemu. Sprawdzono poprawność działania sieci przez porównanie zgodności wyników pochodzących z eksperymentu, z danymi pochodzącymi z symulacji. Pokazano, że istnieje możliwość zastosowania sztucznych sieci neuronowych do poszukiwania składu mieszaniny trudnopalnej. Umożliwia to szybszy wybór składu materiału o właściwościach odpowiednich do danego zastosowania. Sztuczne sieci neuronowe pozwalają więc kształtować właściwości materiału. BIBLIOGRAFIA 1. Boryniec S., Przygodzki W.: Procesy spalania polimerów. Cz. III. Opóźnianie spalania materiałów polimerowych. Polimery, 1999, T. 44, nr 10, s Fabijański M.: Kształtowanie właściwości trudnopalnego polistyrenu wysokoudarowego. Rozprawa doktorska. Warszawa, Politechnika Warszawska, Wydział Inżynierii Produkcji, Instytut Technologii, Fabijański M.: Palność materiałów polimerowych stosowanych w transporcie szynowym, opóźniacze palenia. Problemy Kolejnictwa, 2009, Zeszyt 149, s Fenimore C.P., Martin F.J.: Candle-type test for flammability of polymers. Modern Plastics, 1966,12: Garbarski J., Fabijański M.: Kompozycja polimerowa styrenu wysokoudarowego z napełniaczem mineralnym modyfikowana triblokowym kopolimerem styren-butadienstyren. Szczecin, Wydawnictwo Uczelniane Politechniki Szczecińskiej, EKO-PLAST, 2004, nr 25 25, s Garbarski J., Fabijański M.: Wpływ napełniacza mineralnego na palność tworzyw sztucznych. Przegląd Mechaniczny, 2003, nr 7 8, s Garbarski J., Fabijański M.: Ograniczenie dymotwórczych właściwości tworzyw sztucznych na przykładzie wysokoudarowego polistyrenu. Polimery, 2004, zeszyt 4, s Garbarski J., Fabijański M.: The Properties of Non-flammable Mixture of High Impact Polystyrene and Magnesium Hydroxide Modified with the Admixture of the Styrene- Butadiene-Styrene Copolymer. III International Conference on Advances in Production Engineering APE 2004, 17 18, June 2004, Warsaw, Poland, Oficyna Wydawnicza PW, Part II, p Garbarski J.: Materiały i kompozyty niemetalowe. Warszawa, Oficyna Wydawnicza PW, Haykin S.: Neural networks, a comprehensive foundation. New York, 1994.

13 Zastosowanie sztucznych sieci neuronowych do kształtowania właściwości Hilado C.J., ed.: Flammability Handbook for Plastics. 4th ed. Lancaster, Technomic Publishing, 1990, Chapter Hertz J., Krogh A., Palmer R.: Wstęp do teorii obliczeń neuronowych. Warszawa, Wydawnictwa Naukowo-Techniczne, Meyer G.W., Pak S.J, Lee Y.J., and McGrath J.E.: New High-Performance Thermosetting Polymer Matrix Material Systems. Polymer, 36(11): 2303, 2309, Nelson G.L., Wilie C.A.: Fire and Polymers: Materials and Solutions for Hazard Prevention. Washington, American Chemical Society, Osowski S.: Sieci neuronowe do przetwarzania informacji. Warszawa, Oficyna Wydawnicza PW, PN-ISO Oznaczenie zapalności metodą wskaźnika tlenowego w temperaturze pokojowej. 17. PN-K-02501:2000 Tabor kolejowy. Właściwości dymowe materiałów. Wymagania i metody badań. 18. Tadeusiewicz R.: Sieci neuronowe. Warszawa, Akademicka Oficyna Wydawnicza. RM, 1993.

INSTYTUT INŻYNIERII MATERIAŁOWEJ

INSTYTUT INŻYNIERII MATERIAŁOWEJ Ćwiczenie: Przetwórstwo wtryskowe tworzyw termoplastycznych 1 Cel ćwiczenia Podstawowym celem ćwiczenia jest : poznanie budowy wtryskarki ślimakowej, tłokowej, działanie poszczególnych zespołów, ustalenie

Bardziej szczegółowo

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2)

Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Zastosowanie sztucznych sieci neuronowych w prognozowaniu szeregów czasowych (prezentacja 2) Ewa Wołoszko Praca pisana pod kierunkiem Pani dr hab. Małgorzaty Doman Plan tego wystąpienia Teoria Narzędzia

Bardziej szczegółowo

PRACA DYPLOMOWA W BUDOWIE WKŁADEK FORMUJĄCYCH. Tomasz Kamiński. Temat: ŻYWICE EPOKSYDOWE. dr inż. Leszek Nakonieczny

PRACA DYPLOMOWA W BUDOWIE WKŁADEK FORMUJĄCYCH. Tomasz Kamiński. Temat: ŻYWICE EPOKSYDOWE. dr inż. Leszek Nakonieczny Politechnika Wrocławska - Wydział Mechaniczny Instytut Technologii Maszyn i Automatyzacji PRACA DYPLOMOWA Tomasz Kamiński Temat: ŻYWICE EPOKSYDOWE W BUDOWIE WKŁADEK FORMUJĄCYCH Promotor: dr inż. Leszek

Bardziej szczegółowo

Opis modułu kształcenia Chemia, technologia otrzymywania oraz materiałoznawstwo polimerów i tworzyw sztucznych

Opis modułu kształcenia Chemia, technologia otrzymywania oraz materiałoznawstwo polimerów i tworzyw sztucznych Opis modułu kształcenia Chemia, technologia otrzymywania oraz materiałoznawstwo polimerów i tworzyw sztucznych Nazwa podyplomowych Nazwa obszaru kształcenia, w zakresie którego są prowadzone studia podyplomowe

Bardziej szczegółowo

WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH W PROGNOZOWANIU

WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH W PROGNOZOWANIU WYKORZYSTANIE SZTUCZNYCH SIECI NEURONOWYCH W PROGNOZOWANIU THE USE OF ARTIFICIAL NEURAL NETWORKS IN FORECASTING Konrad BAJDA, Sebastian PIRÓG Resume Artykuł opisuje wykorzystanie sztucznych sieci neuronowych

Bardziej szczegółowo

MODELOWANIE WARSTWY POWIERZCHNIOWEJ O ZMIENNEJ TWARDOŚCI

MODELOWANIE WARSTWY POWIERZCHNIOWEJ O ZMIENNEJ TWARDOŚCI Dr inż. Danuta MIEDZIŃSKA, email: dmiedzinska@wat.edu.pl Dr inż. Robert PANOWICZ, email: Panowicz@wat.edu.pl Wojskowa Akademia Techniczna, Katedra Mechaniki i Informatyki Stosowanej MODELOWANIE WARSTWY

Bardziej szczegółowo

WYTRZYMAŁOŚĆ POŁĄCZEŃ KLEJOWYCH WYKONANYCH NA BAZIE KLEJÓW EPOKSYDOWYCH MODYFIKOWANYCH MONTMORYLONITEM

WYTRZYMAŁOŚĆ POŁĄCZEŃ KLEJOWYCH WYKONANYCH NA BAZIE KLEJÓW EPOKSYDOWYCH MODYFIKOWANYCH MONTMORYLONITEM KATARZYNA BIRUK-URBAN WYTRZYMAŁOŚĆ POŁĄCZEŃ KLEJOWYCH WYKONANYCH NA BAZIE KLEJÓW EPOKSYDOWYCH MODYFIKOWANYCH MONTMORYLONITEM 1. WPROWADZENIE W ostatnich latach można zauważyć bardzo szerokie zastosowanie

Bardziej szczegółowo

POLITECHNIKA GDAŃSKA WYDZIAŁ CHEMICZNY KATEDRA TECHNOLOGII POLIMERÓW

POLITECHNIKA GDAŃSKA WYDZIAŁ CHEMICZNY KATEDRA TECHNOLOGII POLIMERÓW POLITECHNIKA GDAŃSKA WYDZIAŁ CHEMICZNY KATEDRA TECHNOLOGII POLIMERÓW PRZETWÓRSTWO TWORZYW SZTUCZNYCH I GUMY Lab 8. Wyznaczanie optimum wulkanizacji mieszanek kauczukowych na reometrze Monsanto oraz analiza

Bardziej szczegółowo

Algorytmy sztucznej inteligencji

Algorytmy sztucznej inteligencji Algorytmy sztucznej inteligencji Dynamiczne sieci neuronowe 1 Zapis macierzowy sieci neuronowych Poniżej omówione zostaną części składowe sieci neuronowych i metoda ich zapisu za pomocą macierzy. Obliczenia

Bardziej szczegółowo

KARTA PRZEDMIOTU. 10. WYMAGANIA WSTĘPNE: 1. Ma podstawową wiedzę w zakresie podstaw chemii oraz fizyki.

KARTA PRZEDMIOTU. 10. WYMAGANIA WSTĘPNE: 1. Ma podstawową wiedzę w zakresie podstaw chemii oraz fizyki. KARTA PRZEDMIOTU 1. NAZWA PRZEDMIOTU: Materiały polimerowe 2. KIERUNEK: Mechanika i budowa maszyn 3. POZIOM STUDIÓW: pierwszego stopnia 4. ROK/ SEMESTR STUDIÓW: rok I / semestr 2 5. LICZBA PUNKTÓW ECTS:

Bardziej szczegółowo

LABORATORIUM NAUKI O MATERIAŁACH

LABORATORIUM NAUKI O MATERIAŁACH Imię i Nazwisko Grupa dziekańska Indeks Ocena (kol.wejściowe) Ocena (sprawozdanie)........................................................... Ćwiczenie: MISW2 Podpis prowadzącego Politechnika Łódzka Wydział

Bardziej szczegółowo

Metody Sztucznej Inteligencji II

Metody Sztucznej Inteligencji II 17 marca 2013 Neuron biologiczny Neuron Jest podstawowym budulcem układu nerwowego. Jest komórką, która jest w stanie odbierać i przekazywać sygnały elektryczne. Neuron działanie Jeżeli wartość sygnału

Bardziej szczegółowo

Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego

Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego IBS PAN, Warszawa 9 kwietnia 2008 Obrona rozprawy doktorskiej Neuro-genetyczny system komputerowy do prognozowania zmiany indeksu giełdowego mgr inż. Marcin Jaruszewicz promotor: dr hab. inż. Jacek Mańdziuk,

Bardziej szczegółowo

ZB6: Materiały kompozytowe o zwiększonej wytrzymałości i odporności termicznej z wykorzystaniem żywic polimerowych do zastosowao w lotnictwie

ZB6: Materiały kompozytowe o zwiększonej wytrzymałości i odporności termicznej z wykorzystaniem żywic polimerowych do zastosowao w lotnictwie II KONFERENCJA Indywidualnego projektu kluczowego Nowoczesne technologie materiałowe stosowane w przemyśle lotniczym ZB6: Materiały kompozytowe o zwiększonej wytrzymałości i odporności termicznej z wykorzystaniem

Bardziej szczegółowo

Metody badań materiałów konstrukcyjnych

Metody badań materiałów konstrukcyjnych Wyznaczanie stałych materiałowych Nr ćwiczenia: 1 Wyznaczyć stałe materiałowe dla zadanych materiałów. Maszyna wytrzymałościowa INSTRON 3367. Stanowisko do badania wytrzymałości na skręcanie. Skalibrować

Bardziej szczegółowo

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH

INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH INSTYTUT MASZYN I URZĄDZEŃ ENERGETYCZNYCH Politechnika Śląska w Gliwicach INSTRUKCJA DO ĆWICZEŃ LABORATORYJNYCH BADANIE TWORZYW SZTUCZNYCH OZNACZENIE WŁASNOŚCI MECHANICZNYCH PRZY STATYCZNYM ROZCIĄGANIU

Bardziej szczegółowo

8. Neuron z ciągłą funkcją aktywacji.

8. Neuron z ciągłą funkcją aktywacji. 8. Neuron z ciągłą funkcją aktywacji. W tym ćwiczeniu zapoznamy się z modelem sztucznego neuronu oraz przykładem jego wykorzystania do rozwiązywanie prostego zadania klasyfikacji. Neuron biologiczny i

Bardziej szczegółowo

Inteligentne systemy informacyjne

Inteligentne systemy informacyjne Inteligentne systemy informacyjne Moduł 10 Mieczysław Muraszkiewicz www.icie.com.pl/lect_pw.htm M. Muraszkiewicz strona 1 Sieci neuronowe szkic Moduł 10 M. Muraszkiewicz strona 2 Dwa nurty M. Muraszkiewicz

Bardziej szczegółowo

17. 17. Modele materiałów

17. 17. Modele materiałów 7. MODELE MATERIAŁÓW 7. 7. Modele materiałów 7.. Wprowadzenie Podstawowym modelem w mechanice jest model ośrodka ciągłego. Przyjmuje się, że materia wypełnia przestrzeń w sposób ciągły. Możliwe jest wyznaczenie

Bardziej szczegółowo

Nowe przyjazne dla Środowiska kompozyty polimerowe z wykorzystaniem surowców odnawialnych

Nowe przyjazne dla Środowiska kompozyty polimerowe z wykorzystaniem surowców odnawialnych GŁÓWNY INSTYTUT GÓRNICTWA Nowe przyjazne dla Środowiska kompozyty polimerowe z wykorzystaniem surowców odnawialnych Projekt realizowany w ramach Działania 1.3 PO IG, Poddziałania 1.3.1. Projekt współfinansowany

Bardziej szczegółowo

LABORATORIUM NAUKI O MATERIAŁACH

LABORATORIUM NAUKI O MATERIAŁACH Politechnika Łódzka Wydział Mechaniczny Instytut Inżynierii Materiałowej LABORATORIUM NAUKI O MATERIAŁACH Blok nr 3 Kształtowanie właściwości mechanicznych materiałów Ćwiczenie nr KWMM 1 Temat: Obróbka

Bardziej szczegółowo

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie.

SCENARIUSZ LEKCJI. TEMAT LEKCJI: Zastosowanie średnich w statystyce i matematyce. Podstawowe pojęcia statystyczne. Streszczenie. SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

W ETAPIE I projektu scharakteryzowany zostanie proces ciągłej dewulkanizacji termomechanicznej w różnych warunkach (temperatura, prędkość obrotowa,

W ETAPIE I projektu scharakteryzowany zostanie proces ciągłej dewulkanizacji termomechanicznej w różnych warunkach (temperatura, prędkość obrotowa, Katedra Technologii Polimerów, realizuje projekt badawczorozwojowy pt. Alternatywne produkty recyklingu materiałowego odpadów gumowych RX-03/46/2011 dofinansowany przez Wojewódzki Fundusz Ochrony Środowiska

Bardziej szczegółowo

Badacze zbudowali wiele systemów technicznych, naśladujących w komputerze ludzki mózg. Najbardziej pożyteczne okazały się sieci neuronowe.

Badacze zbudowali wiele systemów technicznych, naśladujących w komputerze ludzki mózg. Najbardziej pożyteczne okazały się sieci neuronowe. Naśladując w komputerze ludzki mózg staramy się połączyć zalety komputera (dostępność i szybkość działania) z zaletami mózgu (zdolność do uczenia się) informatyka + 2 Badacze zbudowali wiele systemów technicznych,

Bardziej szczegółowo

Sieci neuronowe jako przykład współczesnej technologii informatycznej

Sieci neuronowe jako przykład współczesnej technologii informatycznej Maciej Roszkowski Sieci neuronowe jako przykład współczesnej technologii informatycznej Sieci neuronowe są technologią sztucznej inteligencji, trochę zapomnianą we współczesnym świecie. Współczesny ogólnie

Bardziej szczegółowo

WYKORZYSTANIE GRANULATU GUMOWEGO W MIESZANKACH MINERALNO-ASFALTOWYCH

WYKORZYSTANIE GRANULATU GUMOWEGO W MIESZANKACH MINERALNO-ASFALTOWYCH WYKORZYSTANIE GRANULATU GUMOWEGO W MIESZANKACH MINERALNO-ASFALTOWYCH Dr inż. Robert Jurczak Zachodniopomorski Uniwersytet Technologiczny w Szczecinie/GDDKiA PLAN PREZENTACJI 1. Problem zużytych opon samochodowych

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: PROJEKTOWANIE PROCESÓW PRZETWÓRCZYCH Kierunek: Mechanika i Budowa Maszyn Rodzaj przedmiotu: obowiązkowy na specjalności: Przetwórstwo tworzyw polimerowych Rodzaj zajęć: wykład, laboratorium

Bardziej szczegółowo

SPOSÓB SPRAWDZANIA ZGODNOŚCI MATERIAŁÓW I WYROBÓW Z TWORZYW SZTUCZNYCH Z USTALONYMI LIMITAMI

SPOSÓB SPRAWDZANIA ZGODNOŚCI MATERIAŁÓW I WYROBÓW Z TWORZYW SZTUCZNYCH Z USTALONYMI LIMITAMI Załącznik do rozporządzenia Ministra Zdrowia z dnia 15 października 2013 r. SPOSÓB SPRAWDZANIA ZGODNOŚCI MATERIAŁÓW I WYROBÓW Z TWORZYW SZTUCZNYCH Z USTALONYMI LIMITAMI Ogólne zasady badania migracji globalnej

Bardziej szczegółowo

ANALIZA MES PROCESU WYTWARZANIA WYPRASKI, BĘDĄCEJ INTEGRALNYM ELEMENTEM KARABINKA WOJSKOWEGO

ANALIZA MES PROCESU WYTWARZANIA WYPRASKI, BĘDĄCEJ INTEGRALNYM ELEMENTEM KARABINKA WOJSKOWEGO IX Konferencja naukowo-techniczna Programy MES w komputerowym wspomaganiu analizy, projektowania i wytwarzania ANALIZA MES PROCESU WYTWARZANIA WYPRASKI, BĘDĄCEJ INTEGRALNYM ELEMENTEM KARABINKA WOJSKOWEGO

Bardziej szczegółowo

Warszawa, dnia 19 listopada 2013 r. Poz. 1343 ROZPORZĄDZENIE MINISTRA ZDROWIA 1) z dnia 15 października 2013 r.

Warszawa, dnia 19 listopada 2013 r. Poz. 1343 ROZPORZĄDZENIE MINISTRA ZDROWIA 1) z dnia 15 października 2013 r. DZIENNIK USTAW RZECZYPOSPOLITEJ POLSKIEJ Warszawa, dnia 19 listopada 2013 r. Poz. 1343 ROZPORZĄDZENIE MINISTRA ZDROWIA 1) z dnia 15 października 2013 r. w sprawie wykazu substancji, których stosowanie

Bardziej szczegółowo

ZAGADNIENIA EGZAMINACYJNE (od roku ak. 2014/2015)

ZAGADNIENIA EGZAMINACYJNE (od roku ak. 2014/2015) (od roku ak. 2014/2015) A. Zagadnienia z zakresu Odpady biodegradowalne, przemysłowe i niebezpieczne: 1. Omówić podział niebezpiecznych odpadów szpitalnych (zakaźnych i specjalnych). 2. Omów wymagane warunki

Bardziej szczegółowo

Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe.

Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. Zagadnienia optymalizacji i aproksymacji. Sieci neuronowe. zajecia.jakubw.pl/nai Literatura: S. Osowski, Sieci neuronowe w ujęciu algorytmicznym. WNT, Warszawa 997. PODSTAWOWE ZAGADNIENIA TECHNICZNE AI

Bardziej szczegółowo

ĆWICZENIE 15 BADANIE WZMACNIACZY MOCY MAŁEJ CZĘSTOTLIWOŚCI

ĆWICZENIE 15 BADANIE WZMACNIACZY MOCY MAŁEJ CZĘSTOTLIWOŚCI 1 ĆWICZENIE 15 BADANIE WZMACNIACZY MOCY MAŁEJ CZĘSTOTLIWOŚCI 15.1. CEL ĆWICZENIA Celem ćwiczenia jest poznanie podstawowych właściwości wzmacniaczy mocy małej częstotliwości oraz przyswojenie umiejętności

Bardziej szczegółowo

http://www.chem.uw.edu.pl/people/ AMyslinski/Kaim/cze14.pdf BOEING 747 VERSUS 787: COMPOSITES BUDOWNICTWO Materiały kompozytowe nadają się do użycia w budownictwie w szerokiej gamie zastosowań:

Bardziej szczegółowo

Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego

Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Budowa sztucznych sieci neuronowych do prognozowania. Przykład jednostek uczestnictwa otwartego funduszu inwestycyjnego Dorota Witkowska Szkoła Główna Gospodarstwa Wiejskiego w Warszawie Wprowadzenie Sztuczne

Bardziej szczegółowo

The project "TEMPUS - MMATENG"

The project TEMPUS - MMATENG The project "TEMPUS - MMATENG" MAT SPAW PROGRAM WSPOMAGAJĄCY ANALIZĘ SPAWALNOŚCI STALI I OPRACOWANIE TECHNOLOGII SPAWANIA Janusz Mikuła, Dr.-eng. Hab., Professor, Director of Institute Material Engineering

Bardziej szczegółowo

Programy komputerowe służące do modelowania procesów

Programy komputerowe służące do modelowania procesów Badania przy wtryskiwaniu część 2 Jacek Iwko, Roman Wróblewski, Ryszard Steller Badania porównawcze modelu z rzeczywistym zachowaniem wtryskarki W artykule przedstawiono weryfikację modelu komputerowego

Bardziej szczegółowo

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych

Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych dr Piotr Sulewski POMORSKA AKADEMIA PEDAGOGICZNA W SŁUPSKU KATEDRA INFORMATYKI I STATYSTYKI Porównanie generatorów liczb losowych wykorzystywanych w arkuszach kalkulacyjnych Wprowadzenie Obecnie bardzo

Bardziej szczegółowo

ANALIZA WPŁYWU WYBRANYCH PARAMETRÓW SYGNAŁU WYMUSZAJĄCEGO NA CZAS ODPOWIEDZI OBIEKTU

ANALIZA WPŁYWU WYBRANYCH PARAMETRÓW SYGNAŁU WYMUSZAJĄCEGO NA CZAS ODPOWIEDZI OBIEKTU II Konferencja Naukowa KNWS'05 "Informatyka- sztuka czy rzemios o" 15-18 czerwca 2005, Z otniki Luba skie ANALIZA WPŁYWU WYBRANYCH PARAMETRÓW SYGNAŁU WYMUSZAJĄCEGO NA CZAS ODPOWIEDZI OBIEKTU Piotr Mróz

Bardziej szczegółowo

Badania właściwości zmęczeniowych bimetalu stal S355J2- tytan Grade 1

Badania właściwości zmęczeniowych bimetalu stal S355J2- tytan Grade 1 Badania właściwości zmęczeniowych bimetalu stal S355J2- tytan Grade 1 ALEKSANDER KAROLCZUK a) MATEUSZ KOWALSKI a) a) Wydział Mechaniczny Politechniki Opolskiej, Opole 1 I. Wprowadzenie 1. Technologia zgrzewania

Bardziej szczegółowo

Odzież ochronna przeznaczona dla pracowników przemysłu narażonych na działanie czynników gorących.

Odzież ochronna przeznaczona dla pracowników przemysłu narażonych na działanie czynników gorących. Odzież chroniąca przed gorącymi czynnikami termicznymi Na wielu stanowiskach pracy m.in. w hutach i zakładach metalurgicznych, podczas spawania, akcji przeciwpożarowych pracownik narażony jest na działanie

Bardziej szczegółowo

ZB nr 5 Nowoczesna obróbka mechaniczna stopów magnezu i aluminium

ZB nr 5 Nowoczesna obróbka mechaniczna stopów magnezu i aluminium ZB nr 5 Nowoczesna obróbka mechaniczna stopów magnezu i aluminium Prof. dr hab. inż. Józef Kuczmaszewski CZ 5.1 opracowanie zaawansowanych metod obróbki skrawaniem stopów lekkich stosowanych na elementy

Bardziej szczegółowo

Przykładowe funkcje przejścia używane przy budowie sztucznych neuronów

Przykładowe funkcje przejścia używane przy budowie sztucznych neuronów Przykładowe funkcje przejścia używane przy budowie sztucznych neuronów Funkcja Wzór funkcji Wzór pochodnej Sigmoida f(s)=1/(1+e -(β*s) ) f (s)=β*(1- f(s))* f(s) Funkcje przejścia neuronu powinno się rozpatrywać

Bardziej szczegółowo

tel. (+4861) fax. (+4861)

tel. (+4861) fax. (+4861) dr hab. inż. Michał Nowak prof. PP Politechnika Poznańska, Instytut Silników Spalinowych i Transportu Zakład Inżynierii Wirtualnej ul. Piotrowo 3 60-965 Poznań tel. (+4861) 665-2041 fax. (+4861) 665-2618

Bardziej szczegółowo

KONSTRUKCJA, BUDOWA i EKSPLOATACJA UKŁADÓW UPLASTYCZNIAJĄCYCH WTRYSKAREK MGR INŻ. SZYMON ZIĘBA

KONSTRUKCJA, BUDOWA i EKSPLOATACJA UKŁADÓW UPLASTYCZNIAJĄCYCH WTRYSKAREK MGR INŻ. SZYMON ZIĘBA KONSTRUKCJA, BUDOWA i EKSPLOATACJA UKŁADÓW UPLASTYCZNIAJĄCYCH WTRYSKAREK MGR INŻ. SZYMON ZIĘBA 1 SCHEMAT WTRYSKARKI ŚLIMAKOWEJ Z KOLANOWO DŹWIGOWYM SYSTEMEM ZAMYKANIA 1 siłownik hydrauliczny napędu stołu,

Bardziej szczegółowo

STATYCZNA PRÓBA ROZCIĄGANIA

STATYCZNA PRÓBA ROZCIĄGANIA Mechanika i wytrzymałość materiałów - instrukcja do ćwiczenia laboratoryjnego: STATYCZNA PRÓBA ROZCIĄGANIA oprac. dr inż. Jarosław Filipiak Cel ćwiczenia 1. Zapoznanie się ze sposobem przeprowadzania statycznej

Bardziej szczegółowo

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji

Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Weryfikacja hipotez statystycznych, parametryczne testy istotności w populacji Dr Joanna Banaś Zakład Badań Systemowych Instytut Sztucznej Inteligencji i Metod Matematycznych Wydział Informatyki Politechniki

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Mechatronika Rodzaj przedmiotu: obowiązkowy Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK PO PRZEDMIOCIE C1. Zapoznanie studentów z inteligentnymi

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: SYSTEMY INFORMATYCZNE WSPOMAGAJĄCE DIAGNOSTYKĘ MEDYCZNĄ Kierunek: Inżynieria Biomedyczna Rodzaj przedmiotu: obowiązkowy moduł specjalności informatyka medyczna Rodzaj zajęć: wykład, projekt

Bardziej szczegółowo

Funkcjonalność urządzeń pomiarowych w PyroSim. Jakich danych nam dostarczają?

Funkcjonalność urządzeń pomiarowych w PyroSim. Jakich danych nam dostarczają? Funkcjonalność urządzeń pomiarowych w PyroSim. Jakich danych nam dostarczają? Wstęp Program PyroSim zawiera obszerną bazę urządzeń pomiarowych. Odczytywane z nich dane stanowią bogate źródło informacji

Bardziej szczegółowo

PRZEWODNIK PO PRZEDMIOCIE

PRZEWODNIK PO PRZEDMIOCIE Nazwa przedmiotu: Kierunek: Mechanika i Budowa Maszyn Rodzaj przedmiotu: obowiązkowy na kierunku: Mechanika i Budowa Maszyn Rodzaj zajęć: wykład, laboratorium I KARTA PRZEDMIOTU CEL PRZEDMIOTU PRZEWODNIK

Bardziej szczegółowo

POLITECHNIKA BIAŁOSTOCKA

POLITECHNIKA BIAŁOSTOCKA POLITECHNIKA BIAŁOSTOCKA KATEDRA ZARZĄDZANIA PRODUKCJĄ Instrukcja do zajęć laboratoryjnych z przedmiotu: Podstawy techniki i technologii Kod przedmiotu: IS01123; IN01123 Ćwiczenie 5 BADANIE WŁASNOŚCI MECHANICZNYCH

Bardziej szczegółowo

MATERIAŁOZNAWSTWO. dr hab. inż. Joanna Hucińska Katedra Inżynierii Materiałowej Pok. 128 (budynek Żelbetu )

MATERIAŁOZNAWSTWO. dr hab. inż. Joanna Hucińska Katedra Inżynierii Materiałowej Pok. 128 (budynek Żelbetu ) MATERIAŁOZNAWSTWO dr hab. inż. Joanna Hucińska Katedra Inżynierii Materiałowej Pok. 128 (budynek Żelbetu ) jhucinsk@pg.gda.pl MATERIAŁOZNAWSTWO dziedzina nauki stosowanej obejmująca badania zależności

Bardziej szczegółowo

Sieci neuronowe - dokumentacja projektu

Sieci neuronowe - dokumentacja projektu Sieci neuronowe - dokumentacja projektu Predykcja finansowa, modelowanie wskaźnika kursu spółki KGHM. Piotr Jakubas Artur Kosztyła Marcin Krzych Kraków 2009 1. Sieci neuronowe - dokumentacja projektu...

Bardziej szczegółowo

KONCEPCJA WYKORZYSTANIA SZTUCZNYCH SIECI NEURONOWYCH W DIAGNOSTYCE PRZEKŁADNI ZĘBATYCH

KONCEPCJA WYKORZYSTANIA SZTUCZNYCH SIECI NEURONOWYCH W DIAGNOSTYCE PRZEKŁADNI ZĘBATYCH ZESZYTY NAUKOWE POLITECHNIKI ŚLĄSKIEJ 2009 Seria: TRANSPORT z. 65 Nr kol. 1807 Piotr CZECH, Bogusław ŁAZARZ KONCEPCJA WYKORZYSTANIA SZTUCZNYCH SIECI NEURONOWYCH W DIAGNOSTYCE PRZEKŁADNI ZĘBATYCH Streszczenie.

Bardziej szczegółowo

Transformacja wiedzy w budowie i eksploatacji maszyn

Transformacja wiedzy w budowie i eksploatacji maszyn Uniwersytet Technologiczno Przyrodniczy im. Jana i Jędrzeja Śniadeckich w Bydgoszczy Wydział Mechaniczny Transformacja wiedzy w budowie i eksploatacji maszyn Bogdan ŻÓŁTOWSKI W pracy przedstawiono proces

Bardziej szczegółowo

Pattern Classification

Pattern Classification Pattern Classification All materials in these slides were taken from Pattern Classification (2nd ed) by R. O. Duda, P. E. Hart and D. G. Stork, John Wiley & Sons, 2000 with the permission of the authors

Bardziej szczegółowo

Testowanie modeli predykcyjnych

Testowanie modeli predykcyjnych Testowanie modeli predykcyjnych Wstęp Podczas budowy modelu, którego celem jest przewidywanie pewnych wartości na podstawie zbioru danych uczących poważnym problemem jest ocena jakości uczenia i zdolności

Bardziej szczegółowo

Dr hab. inż. Jan Duda. Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji

Dr hab. inż. Jan Duda. Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji Automatyzacja i Robotyzacja Procesów Produkcyjnych Dr hab. inż. Jan Duda Wykład dla studentów kierunku Zarządzanie i Inżynieria Produkcji Podstawowe pojęcia Automatyka Nauka o metodach i układach sterowania

Bardziej szczegółowo

ODPORNOŚĆ STALIWA NA ZUŻYCIE EROZYJNE CZĘŚĆ II. ANALIZA WYNIKÓW BADAŃ

ODPORNOŚĆ STALIWA NA ZUŻYCIE EROZYJNE CZĘŚĆ II. ANALIZA WYNIKÓW BADAŃ Szybkobieżne Pojazdy Gąsienicowe (15) nr 1, 2002 Stanisław JURA Roman BOGUCKI ODPORNOŚĆ STALIWA NA ZUŻYCIE EROZYJNE CZĘŚĆ II. ANALIZA WYNIKÓW BADAŃ Streszczenie: W części I w oparciu o teorię Bittera określono

Bardziej szczegółowo

Sieci neuronowe w Statistica

Sieci neuronowe w Statistica http://usnet.us.edu.pl/uslugi-sieciowe/oprogramowanie-w-usk-usnet/oprogramowaniestatystyczne/ Sieci neuronowe w Statistica Agnieszka Nowak - Brzezińska Podstawowym elementem składowym sztucznej sieci neuronowej

Bardziej szczegółowo

SCENARIUSZ LEKCJI. Streszczenie. Czas realizacji. Podstawa programowa

SCENARIUSZ LEKCJI. Streszczenie. Czas realizacji. Podstawa programowa SCENARIUSZ LEKCJI OPRACOWANY W RAMACH PROJEKTU: INFORMATYKA MÓJ SPOSÓB NA POZNANIE I OPISANIE ŚWIATA. PROGRAM NAUCZANIA INFORMATYKI Z ELEMENTAMI PRZEDMIOTÓW MATEMATYCZNO-PRZYRODNICZYCH Autorzy scenariusza:

Bardziej szczegółowo

Podczas wykonywania analizy w programie COMSOL, wykorzystywane jest poniższe równanie: 1.2. Dane wejściowe.

Podczas wykonywania analizy w programie COMSOL, wykorzystywane jest poniższe równanie: 1.2. Dane wejściowe. Politechnika Poznańska Wydział Budowy Maszyn i Zarządzania Mechanika i Budowa Maszyn Grupa M3 Metoda Elementów Skończonych Prowadzący: dr hab. Tomasz Stręk, prof. nadzw. Wykonali: Marcin Rybiński Grzegorz

Bardziej szczegółowo

WYBRANE ZAGADNIENIA OPTYMALIZACJI PRZEGLĄDÓW OKRESOWYCH URZĄDZEŃ ELEKTRONICZNYCH

WYBRANE ZAGADNIENIA OPTYMALIZACJI PRZEGLĄDÓW OKRESOWYCH URZĄDZEŃ ELEKTRONICZNYCH Problemy Kolejnictwa Zeszyt 149 89 Dr inż. Adam Rosiński Politechnika Warszawska WYBRANE ZAGADNIENIA OPTYMALIZACJI PRZEGLĄDÓW OKRESOWYCH URZĄDZEŃ ELEKTRONICZNYCH SPIS TREŚCI 1. Wstęp. Optymalizacja procesu

Bardziej szczegółowo

Zastosowanie sieci neuronowej do oceny klienta banku pod względem ryzyka kredytowego Streszczenie

Zastosowanie sieci neuronowej do oceny klienta banku pod względem ryzyka kredytowego Streszczenie Adam Stawowy Paweł Jastrzębski Wydział Zarządzania AGH Zastosowanie sieci neuronowej do oceny klienta banku pod względem ryzyka kredytowego Streszczenie Jedną z najczęściej podejmowanych decyzji w działalności

Bardziej szczegółowo

Metodologia badań psychologicznych. Wykład 4 Testy

Metodologia badań psychologicznych. Wykład 4 Testy Metodologia badań psychologicznych Lucyna Golińska SPOŁECZNA AKADEMIA NAUK Wykład 4 Testy Definicja testu Pierwszy test- James McKeen Cattell w 1890r. (mental test and measurements) test do badania zdolności

Bardziej szczegółowo

2.1.M.06: Modelowanie i wspomaganie komputerowe w inżynierii powierzchni

2.1.M.06: Modelowanie i wspomaganie komputerowe w inżynierii powierzchni 2nd Workshop on Foresight of surface properties formation leading technologies of engineering materials and biomaterials in Białka Tatrzańska, Poland 29th-30th November 2009 1 Panel nt. Procesy wytwarzania

Bardziej szczegółowo

WYTYCZNE DOTYCZĄCE REALIZACJI PRAC DYPLOMOWYCH W INSTYTUCIE ORGANIZACJI SYSTEMÓW PRODUKCYJNYCH NA KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI

WYTYCZNE DOTYCZĄCE REALIZACJI PRAC DYPLOMOWYCH W INSTYTUCIE ORGANIZACJI SYSTEMÓW PRODUKCYJNYCH NA KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI Wersja z dnia 1 kwietnia 2015 r. WYTYCZNE DOTYCZĄCE REALIZACJI PRAC DYPLOMOWYCH W INSTYTUCIE ORGANIZACJI SYSTEMÓW PRODUKCYJNYCH NA KIERUNKU ZARZĄDZANIE I INŻYNIERIA PRODUKCJI stanowiące uzupełnienie Zasad

Bardziej szczegółowo

Sztuczne Sieci Neuronowe. Wiktor Tracz Katedra Urządzania Lasu, Geomatyki i Ekonomiki Leśnictwa, Wydział Leśny SGGW

Sztuczne Sieci Neuronowe. Wiktor Tracz Katedra Urządzania Lasu, Geomatyki i Ekonomiki Leśnictwa, Wydział Leśny SGGW Sztuczne Sieci Neuronowe Wiktor Tracz Katedra Urządzania Lasu, Geomatyki i Ekonomiki Leśnictwa, Wydział Leśny SGGW SN są częścią dziedziny Sztucznej Inteligencji Sztuczna Inteligencja (SI) zajmuje się

Bardziej szczegółowo

Prof. Stanisław Jankowski

Prof. Stanisław Jankowski Prof. Stanisław Jankowski Zakład Sztucznej Inteligencji Zespół Statystycznych Systemów Uczących się p. 228 sjank@ise.pw.edu.pl Zakres badań: Sztuczne sieci neuronowe Maszyny wektorów nośnych SVM Maszyny

Bardziej szczegółowo

Prognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych.

Prognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych. Metody Sztucznej Inteligencji 2 Projekt Prognozowanie kierunku ruchu indeksów giełdowych na podstawie danych historycznych. Autorzy: Robert Wojciechowski Michał Denkiewicz Mateusz Gągol Wstęp Celem projektu

Bardziej szczegółowo

Deep Learning na przykładzie Deep Belief Networks

Deep Learning na przykładzie Deep Belief Networks Deep Learning na przykładzie Deep Belief Networks Jan Karwowski Zakład Sztucznej Inteligencji i Metod Obliczeniowych Wydział Matematyki i Nauk Informacyjnych PW 20 V 2014 Jan Karwowski (MiNI) Deep Learning

Bardziej szczegółowo

Odwadnianie osadu na filtrze próżniowym

Odwadnianie osadu na filtrze próżniowym Odwadnianie osadu na filtrze próżniowym Wprowadzenie W filtrach próżniowych odwadnianie osadów polega na filtracji cieczy przez warstwę osadu utworzoną na przegrodzie filtracyjnej (tkanina filtracyjna).

Bardziej szczegółowo

Opis modułu kształcenia Właściwości i zastosowanie tworzyw sztucznych

Opis modułu kształcenia Właściwości i zastosowanie tworzyw sztucznych Opis modułu kształcenia Właściwości i zastosowanie tworzyw sztucznych Nazwa podyplomowych Nazwa obszaru kształcenia, w zakresie którego są prowadzone studia podyplomowe Nazwa kierunku, z którym jest związany

Bardziej szczegółowo

Publikacje pracowników Katedry Inżynierii Materiałowej w 2010 r.

Publikacje pracowników Katedry Inżynierii Materiałowej w 2010 r. Publikacje pracowników Katedry Inżynierii Materiałowej w 2010 r. 1. Żenkiewicz M., Richert J., Różański A.: Effect of blow moulding on barrier properties of polylactide nanocomposite films, Polymer Testing

Bardziej szczegółowo

Elementy Strukturalne: Z Metalu na Tworzywo... Mariusz Makowski, DuPont Poland

Elementy Strukturalne: Z Metalu na Tworzywo... Mariusz Makowski, DuPont Poland Elementy Strukturalne: Z Metalu na Tworzywo... Mariusz Makowski, DuPont Poland Ossa, październik 2012 2 Czy inżynierowie są materiałowymi konserwatystami? Zmiany materiału są oczekiwane, gdy pozwalają

Bardziej szczegółowo

Tranzystor bipolarny LABORATORIUM 5 i 6

Tranzystor bipolarny LABORATORIUM 5 i 6 Tranzystor bipolarny LABORATORIUM 5 i 6 Marcin Polkowski (251328) 10 maja 2007 r. Spis treści I Laboratorium 5 2 1 Wprowadzenie 2 2 Pomiary rodziny charakterystyk 3 II Laboratorium 6 7 3 Wprowadzenie 7

Bardziej szczegółowo

WFiIS CEL ĆWICZENIA WSTĘP TEORETYCZNY

WFiIS CEL ĆWICZENIA WSTĘP TEORETYCZNY WFiIS LABORATORIUM Z ELEKTRONIKI Imię i nazwisko: 1. 2. TEMAT: ROK GRUPA ZESPÓŁ NR ĆWICZENIA Data wykonania: Data oddania: Zwrot do poprawy: Data oddania: Data zliczenia: OCENA CEL ĆWICZENIA Ćwiczenie

Bardziej szczegółowo

RYNEK CIĄGNIKÓW I PRZYCZEP ROLNICZYCH W POLSCE W LATACH

RYNEK CIĄGNIKÓW I PRZYCZEP ROLNICZYCH W POLSCE W LATACH Problemy Inżynierii Rolniczej nr 4/2008 Czesław Waszkiewicz Katedra Maszyn Rolniczych i Leśnych Szkoła Główna Gospodarstwa Wiejskiego w Warszawie RYNEK CIĄGNIKÓW I PRZYCZEP ROLNICZYCH W POLSCE W LATACH

Bardziej szczegółowo

BADANIE PROCESU ROZDRABNIANIA MATERIAŁÓW ZIARNISTYCH 1/8 PROCESY MECHANICZNE I URZĄDZENIA. Ćwiczenie L6

BADANIE PROCESU ROZDRABNIANIA MATERIAŁÓW ZIARNISTYCH 1/8 PROCESY MECHANICZNE I URZĄDZENIA. Ćwiczenie L6 BADANIE PROCESU ROZDRABNIANIA MATERIAŁÓW ZIARNISTYCH /8 PROCESY MECHANICZNE I URZĄDZENIA Ćwiczenie L6 Temat: BADANIE PROCESU ROZDRABNIANIA MATERIAŁÓW ZIARNISTYCH Cel ćwiczenia: Poznanie metod pomiaru wielkości

Bardziej szczegółowo

Metrologia: organizacja eksperymentu pomiarowego

Metrologia: organizacja eksperymentu pomiarowego Metrologia: organizacja eksperymentu pomiarowego (na podstawie: Żółtowski B. Podstawy diagnostyki maszyn, 1996) dr inż. Paweł Zalewski Akademia Morska w Szczecinie Teoria eksperymentu: Teoria eksperymentu

Bardziej szczegółowo

BADANIA MIESZANEK MINERALNO-ASFALTOWYCH W NISKICH TEMPERATURACH

BADANIA MIESZANEK MINERALNO-ASFALTOWYCH W NISKICH TEMPERATURACH BADANIA MIESZANEK MINERALNO-ASFALTOWYCH W NISKICH TEMPERATURACH Dr inż. Marek Pszczoła Katedra Inżynierii Drogowej, Politechnika Gdańska Warsztaty Viateco, 12 13 czerwca 2014 PLAN PREZENTACJI Wprowadzenie

Bardziej szczegółowo

Wykład 4: Statystyki opisowe (część 1)

Wykład 4: Statystyki opisowe (część 1) Wykład 4: Statystyki opisowe (część 1) Wprowadzenie W przypadku danych mających charakter liczbowy do ich charakterystyki można wykorzystać tak zwane STATYSTYKI OPISOWE. Za pomocą statystyk opisowych można

Bardziej szczegółowo

Wyboczenie ściskanego pręta

Wyboczenie ściskanego pręta Wszelkie prawa zastrzeżone Mechanika i wytrzymałość materiałów - instrukcja do ćwiczenia laboratoryjnego: 1. Wstęp Wyboczenie ściskanego pręta oprac. dr inż. Ludomir J. Jankowski Zagadnienie wyboczenia

Bardziej szczegółowo

Przygotowanie materiału uczącego dla OCR w oparciu o aplikację Wycinanki.

Przygotowanie materiału uczącego dla OCR w oparciu o aplikację Wycinanki. Przygotowanie materiału uczącego dla OCR w oparciu o aplikację Wycinanki. Zespół bibliotek cyfrowych PCSS 6 maja 2011 1 Cel aplikacji Aplikacja wspomaga przygotowanie poprawnego materiału uczącego dla

Bardziej szczegółowo

WPŁYW PROCESU TARCIA NA ZMIANĘ MIKROTWARDOŚCI WARSTWY WIERZCHNIEJ MATERIAŁÓW POLIMEROWYCH

WPŁYW PROCESU TARCIA NA ZMIANĘ MIKROTWARDOŚCI WARSTWY WIERZCHNIEJ MATERIAŁÓW POLIMEROWYCH WOJCIECH WIELEBA WPŁYW PROCESU TARCIA NA ZMIANĘ MIKROTWARDOŚCI WARSTWY WIERZCHNIEJ MATERIAŁÓW POLIMEROWYCH THE INFLUENCE OF FRICTION PROCESS FOR CHANGE OF MICROHARDNESS OF SURFACE LAYER IN POLYMERIC MATERIALS

Bardziej szczegółowo

Dopasowywanie modelu do danych

Dopasowywanie modelu do danych Tematyka wykładu dopasowanie modelu trendu do danych; wybrane rodzaje modeli trendu i ich właściwości; dopasowanie modeli do danych za pomocą narzędzi wykresów liniowych (wykresów rozrzutu) programu STATISTICA;

Bardziej szczegółowo

Przetwórstwo tworzyw sztucznych i gumy

Przetwórstwo tworzyw sztucznych i gumy Przetwórstwo tworzyw sztucznych i gumy Lab.7. Wpływ parametrów wytłaczania na właściwości mechaniczne folii rękawowej Spis treści 1. Cel ćwiczenia i zakres pracy.. 2 2. Definicje i pojęcia podstawowe 2

Bardziej szczegółowo

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO

ZAGADNIENIA PROGRAMOWANIA LINIOWEGO ZAGADNIENIA PROGRAMOWANIA LINIOWEGO Maciej Patan Uniwersytet Zielonogórski WSTĘP często spotykane w życiu codziennym wybór asortymentu produkcji jakie wyroby i w jakich ilościach powinno produkować przedsiębiorstwo

Bardziej szczegółowo

1 Węgle brunatny, kamienny i antracyt podstawowe kopaliny organiczne... 13

1 Węgle brunatny, kamienny i antracyt podstawowe kopaliny organiczne... 13 Spis treści Wstęp... 11 1 Węgle brunatny, kamienny i antracyt podstawowe kopaliny organiczne... 13 1.1. Geneza organicznej substancji węglowej złóż... 13 1.2. Pozostałe składniki złóż węgli brunatnych,

Bardziej szczegółowo

Karta Techniczna Spectral UNDER 355 Dwuskładnikowy podkład akrylowy PRODUKTY POWIĄZANE. Spectral SOLV 855

Karta Techniczna Spectral UNDER 355 Dwuskładnikowy podkład akrylowy PRODUKTY POWIĄZANE. Spectral SOLV 855 UNDER 355 Dwuskładnikowy podkład akrylowy UNDER 355 PLAST 775 PLAST 825 EXTRA 755 EXTRA 745 PRODUKTY POWIĄZANE Podkład akrylowy szary Utwardzacz Rozcieńczalnik do wyrobów akrylowych standardowy, szybki,

Bardziej szczegółowo

ZAKŁAD POJAZDÓW SAMOCHODOWYCH I SILNIKÓW SPALINOWYCH ZPSiSS WYDZIAŁ BUDOWY MASZYN I LOTNICTWA

ZAKŁAD POJAZDÓW SAMOCHODOWYCH I SILNIKÓW SPALINOWYCH ZPSiSS WYDZIAŁ BUDOWY MASZYN I LOTNICTWA ZAKŁAD POJAZDÓW SAMOCHODOWYCH I SILNIKÓW SPALINOWYCH ZPSiSS WYDZIAŁ BUDOWY MASZYN I LOTNICTWA POLITECHNIKA RZESZOWSKA im. IGNACEGO ŁUKASIEWICZA Al. Powstańców Warszawy 8, 35-959 Rzeszów, Tel: 854-31-1,

Bardziej szczegółowo

Nowa ekologiczna metoda wykonywania odlewów z żeliwa sferoidyzowanego lub wermikularyzowanego w formie odlewniczej

Nowa ekologiczna metoda wykonywania odlewów z żeliwa sferoidyzowanego lub wermikularyzowanego w formie odlewniczej PROJEKT NR: POIG.01.03.01-12-061/08 Badania i rozwój nowoczesnej technologii tworzyw odlewniczych odpornych na zmęczenie cieplne Nowa ekologiczna metoda wykonywania odlewów z żeliwa sferoidyzowanego lub

Bardziej szczegółowo

KARTA PRZEDMIOTU. Techniki przetwarzania sygnałów, D1_3

KARTA PRZEDMIOTU. Techniki przetwarzania sygnałów, D1_3 KARTA PRZEDMIOTU 1. Informacje ogólne Nazwa przedmiotu i kod (wg planu studiów): Nazwa przedmiotu (j. ang.): Kierunek studiów: Specjalność/specjalizacja: Poziom kształcenia: Profil kształcenia: Forma studiów:

Bardziej szczegółowo

Wykorzystanie zalet ekonomicznych technologii MuCell

Wykorzystanie zalet ekonomicznych technologii MuCell Wykorzystanie zalet ekonomicznych technologii MuCell Michael Hörr / Dr. Otto Schönherr Ticona Kelsterbach Właściwości mechaniczne pianek uzyskiwanych metodą fizyczną MuCell wynikają z prostych zasad. Dzięki

Bardziej szczegółowo

Opis modułu kształcenia Przetwórstwo tworzyw sztucznych

Opis modułu kształcenia Przetwórstwo tworzyw sztucznych Opis modułu kształcenia Przetwórstwo tworzyw sztucznych Nazwa podyplomowych Nazwa obszaru kształcenia, w zakresie którego są prowadzone studia podyplomowe Nazwa kierunku, z którym jest związany zakres

Bardziej szczegółowo

PARAMETRY FIZYKO - MECHANICZNE TWORZYW KONSTRUKCYJNYCH

PARAMETRY FIZYKO - MECHANICZNE TWORZYW KONSTRUKCYJNYCH PARAMETRY FIZYKO - MECHANICZNE TWORZYW KONSTRUKCYJNYCH Właściwości ogólne Kolor standardowy Odporność na wpły UV Jednostki - - - - g/cm 3 % - Stan próbki - - - - suchy - suchy natur (biały) 1,14 3 HB /

Bardziej szczegółowo

4. Schemat układu pomiarowego do badania przetwornika

4. Schemat układu pomiarowego do badania przetwornika 1 1. Projekt realizacji prac związanych z uruchomieniem i badaniem przetwornika napięcie/częstotliwość z układem AD654 2. Założenia do opracowania projektu a) Dane techniczne układu - Napięcie zasilające

Bardziej szczegółowo

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 689 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 50 2012 ANALIZA WŁASNOŚCI OPCJI SUPERSHARE

ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 689 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 50 2012 ANALIZA WŁASNOŚCI OPCJI SUPERSHARE ZESZYTY NAUKOWE UNIWERSYTETU SZCZECIŃSKIEGO NR 689 FINANSE, RYNKI FINANSOWE, UBEZPIECZENIA NR 5 212 EWA DZIAWGO ANALIZA WŁASNOŚCI OPCJI SUPERSHARE Wprowadzenie Proces globalizacji rynków finansowych stwarza

Bardziej szczegółowo

O badaniach nad SZTUCZNĄ INTELIGENCJĄ

O badaniach nad SZTUCZNĄ INTELIGENCJĄ O badaniach nad SZTUCZNĄ INTELIGENCJĄ Jak określa się inteligencję naturalną? Jak określa się inteligencję naturalną? Inteligencja wg psychologów to: Przyrodzona, choć rozwijana w toku dojrzewania i uczenia

Bardziej szczegółowo